推荐合适期刊 投稿指导 助力快速见刊免费咨询
Advanced Engineering Informatics是工程技术领域的一本权威期刊。由Elsevier Ltd出版社出版。该期刊主要发表工程技术领域的原创性研究成果。创刊于2002年，是工程技术领域中具有代表性的学术刊物。该期刊主要刊载工程技术-工程：综合及其基础研究的前瞻性、原始性、首创性研究成果、科技成就和进展。该期刊不仅收录了该领域的科技成就和进展，更以其深厚的学术积淀和卓越的审稿标准，确保每篇文章都具备高度的学术价值。此外，该刊同时被SCIE数据库收录，并被划分为中科院SCI1区期刊，相当于A级期刊（最高刊物级别），它始终坚持创新，不断专注于发布高度有价值的研究成果，不断推动工程技术领域的进步。
同时，我们注重来稿文章表述的清晰度，以及其与我们的读者群体和研究领域的相关性。为此，我们期待所有投稿的文章能够保持简洁明了、组织有序、表述清晰。该期刊平均审稿速度为平均 约4.5个月 约9.3周。若您对于稿件是否适合该期刊存在疑虑，建议您在提交前主动与期刊主编取得联系，或咨询本站的客服老师。我们的客服老师将根据您的研究内容和方向，为您推荐最为合适的期刊，助力您顺利投稿，实现学术成果的顺利发表。
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 1区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 ENGINEERING, MULTIDISCIPLINARY 工程：综合 | 1区 1区 | 是 | 否 |
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 1区 | ENGINEERING, MULTIDISCIPLINARY 工程：综合 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 | 1区 2区 | 是 | 否 |
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 2区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 ENGINEERING, MULTIDISCIPLINARY 工程：综合 | 2区 2区 | 否 | 否 |
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 2区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 ENGINEERING, MULTIDISCIPLINARY 工程：综合 | 3区 2区 | 否 | 否 |
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 2区 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 ENGINEERING, MULTIDISCIPLINARY 工程：综合 | 2区 2区 | 否 | 否 |
| 大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
| 工程技术 | 2区 | ENGINEERING, MULTIDISCIPLINARY 工程：综合 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 | 1区 2区 | 是 | 否 |
| 按JIF指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 22 / 197 |
89.1% |
| 学科：ENGINEERING, MULTIDISCIPLINARY | SCIE | Q1 | 4 / 179 |
98% |
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 17 / 198 |
91.67% |
| 学科：ENGINEERING, MULTIDISCIPLINARY | SCIE | Q1 | 9 / 180 |
95.28% |
| 学科类别 | 分区 | 排名 | 百分位 |
| 大类：Computer Science 小类：Information Systems | Q1 | 31 / 394 |
92% |
| 大类：Computer Science 小类：Artificial Intelligence | Q1 | 43 / 350 |
87% |
| 年份 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
| 年发文量 | 40 | 82 | 52 | 75 | 99 | 115 | 145 | 209 | 322 | 411 |
| 国家/地区 | 数量 |
| CHINA MAINLAND | 161 |
| USA | 68 |
| Singapore | 37 |
| Taiwan | 30 |
| Australia | 26 |
| England | 26 |
| Canada | 24 |
| GERMANY (FED REP GER) | 23 |
| South Korea | 16 |
| New Zealand | 11 |
| 机构 | 数量 |
| NANYANG TECHNOLOGICAL UNIVERSITY & NATIONAL INSTITUTE OF EDUCATION (NIE) SINGAPORE | 29 |
| HUAZHONG UNIVERSITY OF SCIENCE & TECHNOLOGY | 26 |
| HONG KONG POLYTECHNIC UNIVERSITY | 25 |
| CURTIN UNIVERSITY | 14 |
| UNIVERSITY OF HONG KONG | 12 |
| TSINGHUA UNIVERSITY | 11 |
| NATIONAL TSING HUA UNIVERSITY | 10 |
| SHANGHAI JIAO TONG UNIVERSITY | 10 |
| HUBEI ENGN RES CTR VIRTUAL SAFE & AUTOMATED CONST | 9 |
| TIANJIN UNIVERSITY | 9 |
| 文章名称 | 引用次数 |
| A new wind power prediction method based on ridgelet transforms, hybrid feature selection and closed-loop forecasting | 75 |
| Automated detection of workers and heavy equipment on construction sites: A convolutional neural network approach | 38 |
| Short-term electricity demand forecasting with MARS, SVR and ARIMA models using aggregated demand data in Queensland, Australia | 28 |
| Deep-learning neural-network architectures and methods: Using component based models in building-design energy prediction | 26 |
| A deep learning-based method for detecting non-certified work on construction sites | 25 |
| Prediction of soil compression coefficient for urban housing project using novel integration machine learning approach of swarm intelligence and Multi-layer Perceptron Neural Network | 25 |
| Applications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018 | 24 |
| Prototyping virtual reality serious games for building earthquake preparedness: The Auckland City Hospital case study | 22 |
| Times-series data augmentation and deep learning for construction equipment activity recognition | 22 |
| A deep learning-based approach for mitigating falls from height with computer vision: Convolutional neural network | 22 |
SCIE
影响因子 1.5
CiteScore 2.8
SCIE
影响因子 1.5
CiteScore 3.6
SCIE
CiteScore 8.9
SCIE
影响因子 0.5
CiteScore 1.8
SCIE
影响因子 2.2
CiteScore 6.5
SCIE
影响因子 0.4
CiteScore 2.2
SCIE SSCI
影响因子 4.1
CiteScore 7.1
SCIE SSCI
影响因子 0.9
CiteScore 1.5
SCIE SSCI
影响因子 12.5
CiteScore 22.1
SCIE
影响因子 4.5
CiteScore 8.1
若用户需要出版服务，请联系出版商：ELSEVIER SCI LTD, THE BOULEVARD, LANGFORD LANE, KIDLINGTON, OXFORD, ENGLAND, OXON, OX5 1GB。